与PPO等算法相比,广义优势估计在强化学习中显得非常有效。但我看到的大多数A3C算法都使用平均优势估计。有什么理由吗?
发布于 2018-12-11 01:17:19
当然可以:
https://github.com/ikostrikov/pytorch-a3c
原因是GAE文件是在A3C之后发布的,所以论文实现(这是大多数人都会看到的)不使用GAE。
这里的相关行:https://github.com/ikostrikov/pytorch-a3c/blob/master/train.py#L95-L98
https://datascience.stackexchange.com/questions/36252
复制相似问题